ویرگول
ورودثبت نام
محمد فاتحی
محمد فاتحیعلاقه مند به تحلیل داده و داده کاوی. لینکدین:https://www.linkedin.com/in/mohammad-fatehi-09654062/
محمد فاتحی
محمد فاتحی
خواندن ۲ دقیقه·۶ سال پیش

درخت تصمیم (Decision Tree)


فرض کنید شما قصد دارید یک طبقه بند (classifier) بسازید تا با کمک این طبقه‌بند نوع هر گونه جانوری را مشخص کنید. فرض کنید مجموعه داده را به این صورت می‌سازیم:

در مجموعه داده بالا هشت گونه جانوری مورد بررسی قرار گرفته اند که هر کدام 6 ویژگی دارند.

Scales فلس یا پولک داشتن

Feathers پر و بال داشتن

Live in trees زندگی روی درخت

Legs پا

Live in water زندگی در آب

Breathes underwater تنفس زیر آب

در واقع این داده‌ها مربوط به داده‌های مختلفِ گونه های جانوری قبلی هستند که قبلاً در حیات وحش مشاهده شده اند.

جدول بالا نوعی داده‌های آموزشی است که الگوریتم می‌تواند از روی آن یاد بگیرد.

درخت های تصمیم با توجه به داده‌ها مبادرت به ایجادِ یک ساختارِ درختی می‌کنند که مانندِ قانون‌های اگر-آنگاه ( IF و ELSE) عمل کرده و در نهایت به برچسب‌های دلخواهِ ما که از داده‌های آموزشی یاد گرفته شدند، می‌رسند. فرض کنید می‌خواهیم داده‌های بالا را به صورت یک درخت بسازیم. شکلِ زیر در واقع یک نمونه درخت تصمیم از روی داده‌های بالا است:

تفسیر شکلِ بالا بسیار ساده است. ریشه (Root) این درخت (سطح اول)، این است که آیا گونه جانوری می تواند روی درخت زندگی کند یا نه؟ اگر گونه جانوری چنین توانایی داشته باشد به زیر درختِ سمت چپ می‌رویم و اگر گونه جانوری چنین توانایی نداشته باشد به زیر درختِ سمت راست می‌رویم. فرض کنید به زیر درخت سمت چپ رفته‌ایم، حال باید بررسی کنیم که آیا گونه جانوری توانایی زندگی در آب را دارد یا نه؟ اگر این توانایی را داشته باشد به زیر درخت سمت چپ می رویم. در این مرحله باید بررسی کنیم که این گونه جانوری داری پا (خزنده و غیرخزنده) هست یا خیر؟ در واقع درخت تصمیم به این نتیجه رسیده است که اگر یک گونه جانوری، روی درخت زندگی کند و توانایی زندگی روی آب را نیز داشته باشد و نیز دارای پا باشد (خزنده نباشد) آن گونه جانوری وزغ است.



درخت تصمیم
۳
۰
محمد فاتحی
محمد فاتحی
علاقه مند به تحلیل داده و داده کاوی. لینکدین:https://www.linkedin.com/in/mohammad-fatehi-09654062/
شاید از این پست‌ها خوشتان بیاید